Un flujo de trabajo robusto para evaluar la deconvolución de datos multiómicos

Área de la Ciencia:

• Biología computacional
• Genómica
• Investigación del cáncer

Sus antecedentes:

• La heterogeneidad tumoral impacta la progresión del cáncer y la eficacia del tratamiento.
• La cuantificación de la heterogeneidad tumoral a partir de datos moleculares a granel es un desafío.
• Los algoritmos de deconvolución estiman las proporciones de tipos celulares, pero carecen de consenso para datos transcriptómicos/metilómicos.

Objetivo del estudio:

• Desarrollar un marco de evaluación imparcial para algoritmos de deconvolución.
• Comparar exhaustivamente los métodos de deconvolución en datos transcriptómicos y metilómicos.
• Proporcionar orientación práctica para la selección de algoritmos óptimos.

Principales métodos:

• Se desarrolló un marco de evaluación reproducible utilizando la contenerización.
• Se compararon algoritmos de deconvolución basados en referencia y sin referencia.
• Se evaluó el rendimiento, la estabilidad y la eficiencia del algoritmo en diversos conjuntos de datos y condiciones.

Principales resultados:

• Se presentó la primera comparación integral de algoritmos de deconvolución para ambos tipos de ómicas.
• Se evaluó el rendimiento del algoritmo en diversas condiciones, incluidas las dependencias génicas y la composición de la muestra.
• Se utilizaron conjuntos de datos de referencia y un nuevo conjunto de datos multiómicos para la validación.

Conclusiones:

• Se destacaron las fortalezas y limitaciones de los diferentes algoritmos de deconvolución.
• Se proporcionó orientación práctica para la selección de algoritmos basada en el tipo de datos y el contexto.
• Se estableció un nuevo estándar para la evaluación de métodos de deconvolución para el análisis de la heterogeneidad tumoral.